CN101179994B - 异常阴影候补的显示方法以及医用图像处理系统 - Google Patents
异常阴影候补的显示方法以及医用图像处理系统 Download PDFInfo
- Publication number
- CN101179994B CN101179994B CN2006800174789A CN200680017478A CN101179994B CN 101179994 B CN101179994 B CN 101179994B CN 2006800174789 A CN2006800174789 A CN 2006800174789A CN 200680017478 A CN200680017478 A CN 200680017478A CN 101179994 B CN101179994 B CN 101179994B
- Authority
- CN
- China
- Prior art keywords
- candidate
- abnormal shade
- shade candidate
- image
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
一种异常阴影候补的显示方法以及医用图像处理系统,医用图像处理系统(100)中,一旦医用图像被生成,则在图像处理装置(2)中对该医用图像进行异常阴影候补的检出处理。接下去,根据被检出的异常阴影候补的图像特征量,通过多变量解析,判定明显是真阳性或假阳性的异常阴影候补、真假阳性之判断困难的候补、存在于不易检出之位置的候补等等,从被检出的异常阴影候补进行删除。然后,在观察器(5)只显示删除后剩下的异常阴影候补的检出信息。
Description
技术领域
本发明涉及异常阴影候补的显示方法以及医用图像处理系统,其中,从医用图像检出异常阴影候补,然后显示其检出信息。
背景技术
医疗领域中,用CT(Computed Tomography)或MRI(Magnetic Resonance Imaging)等摄影装置对患者进行摄影,医生进行诊断时,将拍摄的医用图像变换成数字式数据,显示在显示屏上,进行读影。尤其是近年来,为了减轻读影医师的负担和减少异常阴影的看漏,有一种检出癌化部分等异常阴影候补的电脑支援装置(Computer-Aided Diagnosis,以下称为CAD)正在被研究开发。
当上述CAD检出异常阴影候补时,作为其检出信息,在医用图像上显示指出异常阴影候补检出位置的标记(箭头或圆等)等,这是较为一般的方法。作为其显示方法,采用以下两种方法:(1)直接在医用图像上显示标记(例如请参照专利文献1);(2)作为主图像显示实际大小(等倍)的医用图像用于读影,制作在该主图像的缩小图像上显示标记的副图像,与主图像一起进行显示(请参照例如专利文献2)。
(专利文献1)特开2000-276587号公报
(专利文献1)特开2004-230001号公报
在这种情况下,当CAD检出的异常阴影候补的数量较多时,用上述(1)的方法的话,则读影医师所观察的图像上显示着许多标记,医用图像本身变得难以观察,反而给读影作业带来坏的影响。
另外,如果用上述(2)的方法的话,与(1)的方法相比,因为主图像本身上不显示标记,所以给医师的读影作业带来的影响较少,但是,被缩小了的副图像上依然有许多标记显示,存在难以看清之问题。另外,难以作主图像和副图像的位置对照。
并且,在检出异常阴影候补时,采用各种算法,例如对候补区域的图像特征量进行演算,然后与阈值进行比较,判定是否异常阴影的方法,还有通过采用图像特征量,作多变量解析,检出异常阴影区域的方法等,其检出结果中,混在着是明显的异常阴影的部位和可疑的部位。
以往的CAD中是将如上检出的所有异常阴影候补的有关检出信息,提供给医师,由医师最终判断是真阳性还是假阳性。但是,若如上所述,检出数量非常多的话,则读影医师必须对其所有进行确认,所以效率较低。尤其是对经验丰富的医师来说,有时,优先对可疑候补进行读影要比去观察一目了然的异常阴影来得高效率。
另外,如果异常阴影出现在乳房图像的端部附近或阴影本身的面积较小的话,读影医师则更加难于目视,且容易看漏。
发明内容
本发明的课题是,仅仅提供怀疑是不是正阳性异常阴影的可疑异常阴影候补、以及/或可视性较低的异常阴影候补的检出信息,防止医师的看漏和实现读影作业的效率化。
第1项记载的发明是一种异常阴影候补的显示方法,其特征在于,包括:检出工序,其对医用图像进行图像解析,检出异常阴影候补;抽出工序,其在所述被检出的异常阴影中,抽出应该作显示的异常阴影候补;显示工序,其显示所述被抽出的异常阴影候补的检出信息。
第2项记载的发明是第1项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,算出所述被检出的异常阴影候补的图像特征量,根据该图像特征量,决定应该作显示的异常阴影候补的优先位次,在所述被检出的异常阴影候补中,从优先位次高的异常阴影候补起,优先进行抽出。
第3项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,算出异常阴影候补与其周边区域之间的对比度,将该对比度小的异常阴影候补的优先位次决定为高位次。
第4项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,算出异常阴影候补的区域面积,将该面积小的异常阴影候补的优先位次定为高位次。
第5项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,算出从所述医用图像的图像端部到异常阴影候补的检出位置的距离,将该距离短的异常阴影候补的优先位次决定为高位次。
第6项记载的发明是第2项至第5项的任何一项中记载的异常阴影候补的显示方法,其特征在于,
包括从所述医用图像认识被摄物体区域,将该被摄物体区域分类成多个区域的工序,
所述抽出工序中,在所述被认识的被摄物体区域中,与所述异常阴影候补被检出的分类区域相应,决定优先位次。
第7项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,算出异常阴影候补的形状特征量,根据该形状特征量,决定优先位次。
第8项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,算出异常阴影候补的候补区域的浓度,将该浓度具有低特征量的异常阴影候补的优先位次决定为高位次。
第9项记载的发明是第2项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,作为所述图像特征量,至少算出异常阴影候补的候补区域的面积、浓度、与周边区域的对比度、异常阴影候补的形状、从医用图像的图像端部到异常阴影候补检出位置的距离之中的一个以上,根据该算出的特征量,决定优先位次。
第10项记载的发明是第1项或第2项中记载的异常阴影候补的显示方法,其特征在于,
所述显示工序中,将所述被抽出的异常阴影候补的检出信息与所述医用图像一起,进行显示。
第11项记载的发明是第10项中记载的异常阴影候补的显示方法,其特征在于,
所述医用图像是用相位衬摄影方法拍摄的医用图像。
第12项记载的发明是第10项或第11项中记载的异常阴影候补的显示方法,其特征在于,
所述显示工序中,显示将所述医用图像缩小到与被摄物体等倍尺寸的等倍图像。
第13项记载的发明是第12项中记载的异常阴影候补的显示方法,其特征在于,
从所述医用图像制作参照用图像,将在该制作图像上重叠了检出信息的图像,与所述等倍图像一起,进行显示。
第14项记载的发明是第1项中记载的异常阴影候补的显示方法,其特征在于,
所述抽出工序中,根据事先设定的用来判断是否作为显示对象的阈值,从所述被检出的异常阴影候补中,判断出应该作显示的异常阴影候补,进行抽出。
第15项记载的发明是第14项中记载的异常阴影候补的显示方法,其特征在于,
所述阈值具有第1阈值以及第2阈值,
所述抽出工序中,从所述检出的异常阴影候补中,用所述第1阈值以及第2阈值,判断出应该作显示的异常阴影候补,进行抽出。
第16项记载的发明是第15项中记载的异常阴影候补的显示方法,其特征在于,
所述第1阈值是用来删除假阳性候补的阈值,所述第2阈值是用来删除真阳性候补的阈值,所述抽出工序中,从所述被检出的异常阴影候补中,用所述第1阈值以及第2阈值删除假阳性候补和真阳性候补,以进行该删除之后剩下的异常阴影候补,作为显示对象,进行抽出。
第17项记载的发明是第15项或第16项中记载的异常阴影候补的显示方法,其特征在于,
所述第1阈值或第2阈值可以按每一读影医师进行设定。
第18项记载的发明是第15项或第16项中记载的异常阴影候补的显示方法,其特征在于,
所述第1阈值是各医师通用的设定,所述第2阈值能够按每一读影医师设定。
第19项记载的发明是第14项乃至第18项的任何一项中记载的异常阴影候补的显示方法,其特征在于,
所述阈值具有第3阈值,其用来判断图像上的可视性是否为低,
所述抽出工序中,从所述被检出的异常阴影候补中,抽出用第3阈值被判断为可视性为低的异常阴影候补。
第20项记载的发明是一种医用图像处理系统,其特征在于,包括:异常阴影候补检出手段,其对医用图像进行图像解析,检出异常阴影候补;控制手段,其在由所述异常阴影检出手段检出的异常阴影候补中,抽出应该作显示的异常阴影候补;显示手段,其显示所述被抽出的异常阴影候补的检出信息。
第21项记载的发明是第20项中记载的医用图像处理系统,其特征在于,所述显示手段将所述被抽出的异常阴影候补的检出信息与所述医用图像一起,进行显示。
第22项记载的发明是第21项中记载的医用图像处理系统,其特征在于,
所述医用图像是用相位衬摄影方法拍摄的医用图像。
第22项记载的发明是第20项中记载的医用图像处理系统,其特征在于,
所述控制手段根据事先设定的用来判断是否作为显示对象的阈值,从所述被检出的异常阴影候补中,判断出应该作显示的异常阴影候补,进行抽出。
根据第1项、第2项、第10项、第11项、第20项至第22项中记载的发明,通过使显示的异常阴影候补数量减少,能够减少显示画面上检出信息(检出位置的标记显示等)的显示量,能够在医师容易观察的显示状态下提供检出信息。另外,通过仅仅提供被怀疑为是否真阳性而需要医师精密检查的异常阴影候补和可视性低的异常阴影候补,或同时属于上述现象的异常阴影候补的检出信息,或优先提供上述检出信息,其结果能够实现医师读影作业的效率化,能够实现提高诊断精度。
根据第3项中记载的发明,能够将由于对比度小而需要医师对其作是否真阳性判断的异常阴影候补的检出信息,优先提供给医师,能够实现医师读影作业的效率化。另外,对比度小时,因为可视性降低,所以,通过优先这样的异常阴影候补,能够实现防止医师的看漏。
根据第4项中记载的发明,能够将因为面积小而需要医师对其作是否真阳性判断的异常阴影候补的检出信息,优先提供给医师,能够实现医师读影作业的效率化。另外,面积小时,因为可视性降低,所以,通过优先这样的异常阴影候补,能够实现防止医师的看漏。
根据第5项中记载的发明,能够将存在于医师容易看漏之位置上的异常阴影候补的检出信息,优先提供给医师,这样能够实现防止医师的看漏。
根据第6项中记载的发明,能够将存在于可视性较低之区域的异常阴影候补的检出信息,优先提供给医师,这样能够实现防止医师的看漏。
根据第7项中记载的发明,能够将难于判断是否真阳性之形状的需要医师作最终判断的异常阴影候补的检出信息,优先提供给医师,这样能够实现医师读影作业的效率化。另外,因为有时会由于形状而降低可视性,所以,通过优先显示这样的异常阴影候补,能够实现防止医师的看漏。
根据第8项中记载的发明,能够将低浓度而可视性低的异常阴影候补的检出信息,优先提供给医师。由此能够实现防止医师的看漏。
根据第9项中记载的发明,能够将怀疑是否真阳性而需要医师精密检查的异常阴影候补和医师难以目视的异常阴影候补,或同时符合上述两种情况的检出信息,优先提供给医师。另外,因为根据各特征量决定优先位次,所以,能够在考虑了各种判断要素之基础上,综合性的决定优先位次。
第12项、第13项中记载的发明,其中,作为医师读影用图像,提供适合医师诊断的等倍图像,另外,作为异常阴影候补的检出信息的参照用图像,提供不同于所述等倍图像的参照用图像,所以,能够用容易读影的方法,提供给医师容易读影(诊断)的图像。
根据第14项至第19项中记载的发明,能够相应读影医师的技能和读影次序等读影形式等,调整显示对象的异常阴影候补数,变更其规格。
附图说明
图1:本实施方式中的医用图像处理系统的系统结构示意图。
图2:相位衬摄影法的说明图。
图3:用相位衬摄影法得到的图像之说明图。
图4:图1中图像处理装置的内部结构示意图。
图5:乳房图像中,分类的各区域的示意图。
图6:说明图像处理装置所实行的显示对象判断处理的流程图。
图7:说明图像处理装置所实行的异常阴影候补的检出处理的流程图。
图8:边缘复杂度特征量算出方法的说明图。
图9:异常阴影候补的检出结果的显示例子示意图。
图10:说明图像处理装置所实行的显示对象判断处理的流程图。
图11:异常阴影候补的检出信息的显示例子示意图。
图12:异常阴影候补的检出信息的显示例子示意图。
图13:说明异常阴影候补的检出处理(一个处理模式)经过的流程图。
图14:滤波器组的检出算法的说明图。
图15:说明采用滤波器组的异常阴影候补的检出处理经过的流程图的说明图。
图16:说明采用特征量的异常阴影候补的检出处理经过的流程图的说明图。
图17:说明图像处理装置所实行的异常阴影候补的检出处理(其他的处理模式)经过的流程图。
图18:各处理模式的异常阴影候补的检出信息的显示例子示意图。
图19:说明异常阴影候补的检出处理经过的流程图。
图20:根据检出目的的病变种所进行的检出处理,其异常阴影候补的检出信息的显示例子示意图。
(符号说明)
100医用图像处理系统
1图像生成装置
2图像处理装置
21控制部
26图像处理部
27异常阴影候补检出部
3打印器
4图像服务器
4a图像DB
5观察器
具体实施方式
本实施方式中,以采用对乳房进行拍摄而得到的乳房图像作为医用图像为例子,进行说明。
首先说明结构。
图1表示医用图像处理系统100的系统结构。
医用图像处理系统100是下述功能的系统,其对被摄物体拍摄医用图像,对该医用图像进行图像处理,检出异常阴影候补,将其检出信息与医用图像一起提供给医师。
如图1所示,医用图像处理系统100包括图像生成装置1、图像处理装置2、打印器3、图像服务器4、观察器5。各装置1~5通过医疗机关内构筑的LAN(Local Area Network)等通信网络N连接,能够相互传送数据。通信网络N应用DICOM(Digital Imaging andCommunication in Medicine)规格。
以下对各构成装置1~5进行说明。
图像生成装置1下述功能的装置,其对被摄物体进行摄影,生成其摄影图像(医用图像)的数字数据,可以应用例如CR(ComputedRadiography)、FPD(Flat Panel Detector)、CT、MRI、换片器专用的读取装置、胶片数字转换器等形式。本实施方式中,应用含作左右乳房X线摄影的乳房专用相位衬摄影装置的CR系统,作为图像生成装置1,生成相位衬乳房图像的数据。
图像生成装置1是遵从上述DICOM规格的装置,附带到所生成的医用图像上的各种信息(例如,与医用图像所拍摄的患者有关的患者信息、与摄影或检查有关的摄影信息、检查信息等)可以从外部输入,也可以自动生成。图像生成装置1在生成的医用图像上,作为页眉信息附上上述附带信息,通过通信网络N送往图像处理装置2。不遵从DICOM规格的情况时,可以采用没有图示的DICOM变换装置,将附带信息输入到图像生成装置1。
在此,对相位衬摄影方法以及装置进行说明。
相位衬摄影方法是放大摄影方法的一种,其如图2所示,在被摄物体和检出器(换片器或FPD(Flat Panel Detector)等)之间设一距离进行放大摄影。根据该摄影方法,如图2所示,得到的图像与被摄物体的实际尺寸相比有所放大,能够得到高分辨率的图像。例如,若相对被摄物体与检出器贴近进行拍摄的通常摄影来说,进行2倍放大的放大摄影,那么,即使是用与通常摄影时相同的像素尺寸来读取,也能够得到同等于用其1/2大小的像素进行读取时的分辨率。
且放大率如图3所示,若以从X线源到被摄物体的距离为R1,从被摄物体到检出器的距离为R2,则用(R1+R2)/R1表示。因为该放大率信息用于后面的图像处理等,所以,使其包含到乳房图像的附带信息中。
另外,如图3所示,X线透过被摄物体时略微产生折射现象。由于该折射,在被摄物体的图像区域的边界部分产生边缘增强(相位衬效果),所以,从病巢边缘部得到的放大图像,是病巢边缘部的边界部分被边缘增强了的可视性较高的图像。
图像处理装置2对图像生成装置1所供给的医用图像施行各种图像处理,同时,进行上述医用图像的图像解析,进行异常阴影候补的检出处理。
打印器3根据从图像处理装置2或图像服务器4接收到的医用图像的数据,将医用图像输出到胶片等记录媒体上。
图像服务器4备有图像DB4a,该图像DB4a中保存着图像生成装置1所生成的医用图像(原图像)和从图像处理装置2接收到的图像处理完毕的医用图像(处理图像),进行图像的输出输入管理。
观察器5是显示手段,供医师用于诊断,备有LCD(LiquidCrystal Display)等。观察器5与医师的操作指示相应,从图像服务器4取得被指定的医用图像,进行显示。或接收在图像处理装置2检出的异常阴影候补的检出结果,进行显示。
接下去,对本发明涉及的图像处理装置2作详细说明。
图4中出示了图像处理装置1的内部结构。
图像处理装置2包括控制部21、操作部22、显示部23、通信部24、记忆部25、图像处理部26、异常阴影候补检出部27。
控制部21由CPU(Central Processing Unit)、RAM(RandomAccess Memory)等构成,由CPU从记忆部25读出各种控制程序展开于RAM。然后遵从该程序,综合控制处理的实行,集中控制各部的动作。例如,遵从本发明涉及的显示对象判断处理程序,实行显示对象判断处理(后述)。通过控制部21与该显示对象判断处理程序的协动,可以实现控制手段。
操作部22备有键盘和鼠标等,生成与键操作和鼠标操作相应的操作信息,输出到控制部21。
显示部23备有LCD等,按照控制部21的指示,进行图像处理时的操作画面和处理后的医用图像等各种显示。
通信部24备有路由器、调制解调器等通信用接口,遵从控制部21的指示,与通信网N上的外部装置进行通信。例如,从图像生成装置1接收处理对象的医用图像,或将处理完毕的医用图像传送到图像服务器4或打印器3。
记忆部25记忆着实行各种控制程序和程序所必需的参数,或处理结果的数据。
图像处理部26遵从图像处理程序,对医用图像实行层次变换处理、鲜明度调整处理等,在乳房图像的情况时,还实行左右乳房图像邻接对准合成的位置对准处理等。位置对准处理可以应用周知的手法,如上下移动各乳房图像的位置,使从乳房图像抽出的胸肌区域的形状左右对称等。
另外,图像处理部26制作用来进行显示的显示图像,其是在乳房图像上重叠异常阴影候补的检出信息。用相位衬摄影方法摄得的乳房图像与实际被摄物体相比有所放大。可以就此对其被放大了的尺寸进行显示,但因为诊断时病变的实际大小等都是重要的确认事项,所以,较多情况是缩小到实际的被摄物体尺寸(真实尺寸)进行显示。因为乳房图像上附带着摄影时图像生成装置1的放大率信息,所以,使尺寸与被摄物体真实尺寸相同,即,用与被摄物体真实尺寸的等倍进行显示时,根据放大率信息施行缩小处理,制作等倍图像。
并且,等倍图像的生成,优选选择的输出取样间距如下,使得相位衬放大摄影图像的读取取样间距(假定以其为A)和输出取样间距(写入胶片时的光束径、显示像素尺寸等,以其为B)成为放大率=A/B,这样则不需要对读取图像数据的进行补间处理。进行1.75倍相位衬放大摄影,用43.75μm读取时,优选使输出取样间距为25μm。不能使用满足上述关系的输出取样间距时,通过与输出取样间距相称的缩小补间处理,生成等倍图像。
并且,图像处理部26制作将异常阴影候补检出部27检出的异常阴影候补的检出信息重叠到乳房图像上进行合成的显示用图像。具体如下,根据从异常阴影候补检出部27输入的检出信息,判别所述制作的等倍图像等中的异常阴影候补的检出位置,将指出异常阴影候补检出位置的标记图像(箭头或框等)重叠到检出位置上,进行合成。
异常阴影候补检出部27在进行医用图像的图像解析,抽出被摄物体区域,将该区域分类成多个区域的同时,从医用图像算出图像特征量,根据该图像特征量,检出异常阴影候补。
在此,参照图5,对从医用图像抽出各区域的作业次序进行说明。
图5是倾斜位置方向(以下成为MLO)摄影的乳房图像S的示意图,从该乳房图像S抽出被摄物体区域Sa,从被摄物体区域Sa抽出乳房区域Sa1、胸肌区域Sa2,之后将乳房区域Sa1分类为3个区域Da、Db、Dc。
(1)首先,异常阴影候补检出部27求得乳房图像S中的像素值的分散直方图,采用判别分析法(决定阈值的方法,是将分散直方图分类为2组时,使2组中组内分散和组间分散的判别比(分散比)为最大)决定阈值,采用决定的阈值,对乳房图像S进行2值化。
此时,乳房图像S中,透明区域(不属于被摄物体部分的区域,直接被X线照射的区域)呈现高浓度,所以,通过2值化使之为“1”,估计其他的被摄物体区域为“0”。因此,能够通过该2值化将乳房图像分类为被摄物体区域Sa和其以外的透明区域Sb。而且,当摄影方向为正面方向(以下称为CC)时,因为被摄物体部分中胸肌不被拍摄进去,所以,被摄物体区域Sa为乳房区域Sa1。另外,通过2值化,将2区域(被摄物体区域和透明区域)的边界,作为皮肤线SL认识。
(2)反之,摄影方向为MLO时,因为被摄物体部分中胸肌被拍摄进去,所以,接下去从被摄物体区域Sa认识胸肌区域Sa2。胸肌区域Sa2是例如算出被摄物体区域Sa中的浓度梯度,从该当浓度梯度将被摄物体区域Sa分类为胸肌区域Sa2和乳房区域Sa1。也可以如特开2001-238868号公报中记载的那样设定局部区域,根据局部区域内的像素值设定阈值,对被摄物体区域Sa内进行2值化,由此认识胸肌区域Sa2以及乳房区域Sa1。
(3)接下去,将乳房区域Sa1分类为3个区域Da、Db、Dc。
乳房区域混在着乳腺和脂肪,其中因为与其密度相应而浓度有所不同,所以,医师进行诊断之际是用其浓度分类乳房区域。分类较多是分类为以下3个区域,即:认为脂肪多、乳腺的含有率为10%未满的高浓度区域;认为乳腺的含有率为10%以上50%未满的中浓度区域;认为乳腺的含有率占50%以上的低浓度区域。因为异常阴影在图像上以白色低浓度状态出现,所以,在大胸肌的相当于最白浓度的低浓度区域或稍微发白的中浓度区域中存在病变部时,难以用目视检出异常阴影。
因此,以胸肌区域Sa2的浓度为基准,将乳房区域Sa1分类为高浓度区域Da、中间浓度区域Db、低浓度区域Dc。具体如下,制作胸肌区域Sa2的分散直方图,从其形状抽出相对来说比较均匀的浓度区域,以该平均浓度为阈值,分类成各区域Da~Dc。例如,以删除了高于阈值的高浓度区域后乘下的区域为Dc,并且通过对删除了的高浓度区域分类,以阈值的30%以上高浓度的区域作为Db,以阈值的60%以上高浓度的区域作为Da,能够分类成各区域Da~Dc。
接下去,对异常阴影候补的检出方法进行说明。
异常阴影候补检出部27依从检出程序实行检出处理,且该检出程序的算法与作为检出目的的异常阴影的种类相应。乳房图像的情况时,检出为乳房癌癌化部分的肿瘤和微小钙化群的阴影候补。
作为异常阴影候补的检出算法,可以应用周知的技术。例如,作为乳房图像中的肿瘤阴影候补的算法,可以应用采用了特开平10-91758号公报中公开的虹膜滤波的手法、或采用了拉普拉斯算符滤波的手法(电气情报通信学会论文杂志(D-II),Vol.J76-D-II,no.2,pp.241-249,1993)等。另外,作为微小钙化群阴影候补的检出算法,可以应用采用了例如,Morphological Filter(电气情报通信学会论文杂志(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992)、拉普拉斯算符滤波(电气情报通信学会论文杂志(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998)、3重环滤波等方法等。
以下,作为异常阴影候补的检出方法的一个例子,对乳房图像中的微小钙化群阴影候补的检出方法进行说明。
微小钙化群阴影在乳房图像上是以具有略圆锥形状浓度变化的低浓度微小钙化部分集中而成(聚化了的)的阴影出现。根据该浓度特性,对医用图像依次设定正方形的区域,在每该区域中(称为注目区域),作为检出微小钙化部分的滤波,应用具有特有矢量模式的3重环滤波,进行异常阴影候补的1次检出。且该注目区域的尺寸可以根据作为检出目的的病变种类进行设定。
3重环滤波由浓度变化表示为理想的圆锥形状时的浓度梯度的强度成分以及方向成分被事先定出的3个环滤波构成。首先,在某一注目像素周边,从各个环滤波各自的区域上的像素值,求得浓度梯度的强度成分以及方向成分的代表值。然后,根据该代表值与各个环滤波事先定出的浓度梯度的强度成分以及方向成分的差,1次检出具有接近圆锥形状浓度变化的图像区域。
一旦通过1次检出特定出候补区域,便算出该候补区域中的对比度、标准偏差、浓度平均值、曲率、分形(fractals)维数、圆形度、面积等各种图像特征量,根据这些特征量,判定是否真阳性的异常阴影(指真病变部位的阴影。而被误认为病变的正常组织阴影为假阳性阴影。)。判断手法可以应用多变量解析。例如,事先从已知是真阳性的阴影算出图像特征量,将其作为学习数据,构筑多变量解析,将从判定对象的阴影候补算出的各种图像特征量输入到该多变量解析,得到表示真阳性之可能性的指标值。比较该指标值与事先准备的用于真阳性判定的阈值,由此判定真假阳性。然后,将被判定为真阳性的候补区域在一定面积内汇聚存在的区域带,作为微小钙化群阴影的候补区域,进行输出。
(第1实施方式)
对有关上述医用图像处理系统100的动作的第1实施方式进行说明。
最初说明一下医用图像从生成到保存的经过。
首先,在图像生成装置1中进行摄影,生成医用图像(这里以乳房图像为例作说明)。然后,作为所生成的乳房图像的关联信息,将有患者姓名、年龄、性别等有关患者的信息,还有摄影时的管电压、乳房的压迫率等摄影信息,还有检查日期等检查信息和图像的读取条件等,所有有关乳房图像生成的详细信息等,附带到乳房图像。
附带了附带信息的乳房图像,被从图像生成装置1输出到图像处理装置2。
图像处理装置2中,对乳房图像实施必要的图像处理,另一方面,对乳房图像开始下述显示对象判断处理,进行异常阴影候补的检出,以及从被检出的异常阴影候补抽出显示对象候补。
以下,参照图6,对图像处理装置2实行的显示对象判断处理进行说明。
图6所示显示对象判断处理中,首先,在异常阴影候补检出部27抽出医用图像中所含的被摄物体区域、被摄物体区域内的胸肌区域、乳房区域等各区域(步骤S1)。
接下去,异常阴影候补检出部27对所述被抽出的乳房区域进行异常阴影候补的检出处理(步骤S2)。该异常阴影候补的检出处理,用图7所示的流程图进行说明。首先,依次对乳房区域进行注目区域的设定,该注目区域作为检出处理的处理单位,在该注目区域进行1次检出(步骤S21)。有关1次检出的手法如上述,在此省略说明。
接下去,对1次检出的异常阴影候补区域进行图像特征量的算出。图像特征量是至少算出异常阴影候补区域的面积、标准偏差、浓度平均值、曲率、分形(fractals)维数、圆形度、与其周边区域的对比度、边缘的复杂度、异常阴影候补被1次检出的分类区域(相当于图5所示区域Da~Dc的哪一个)等(步骤S22)。
并且,对比度是从异常阴影候补区域与其周边区域的浓度差(像素值的差)求得,面积是从异常阴影候补区域的像素数求得,离图像端部的距离是从胸壁侧的图像端部到异常阴影候补的检出位置的距离(像素数)求得。
另外,圆形度用以下式(1)算出。圆形度C的值越接近1,意味着异常阴影候补的形状接近圆,是病变部(真阳性),随小于1而图像变得复杂,表示需要是否真阳性之慎重的精密检查。
圆形度C=4π×Ar/L2..................(1)
Ar:面积(构成异常阴影候补区域的像素数)
L:周长(构成异常阴影候补区域轮廓部分的像素的周边长度)
另外,边缘的复杂度是如图8所示的,对表示异常阴影候补轮廓线的周期函数进行傅里叶展开时,用以下式(2)算出的展开系数ak、bk。ak、bk值越大,表示异常阴影候补区域边缘部分的形状越扁瘪变形。
[数1]
ak、bk:边缘的复杂度
L:周长(构成异常阴影候补区域轮廓部分的像素的周边长度)
θn(1):周期L的周期函数的正规化函数的傅里叶展开
接下去,这些图像特征量被输入到为了输出表示异常阴影之可能性的指标值而事先被构筑的多变量解析,得到表示真阳性异常阴影之可能性的指标值(步骤S23)。接下去,根据得到的指标值和阈值,一旦判定到是否异常阴影候补(步骤S24),则进展到图6的步骤S3的处理。
图6所示步骤S3,其中,在控制部21中,根据对异常阴影候补算出的图像特征量,在这些异常阴影候补中,决定作为显示对象的异常阴影候补的优先位次(步骤S3)。在此,作为显示对象的异常阴影候补,是除去明显是真阳性或已被判定为假阳性的候补之后的候补,是怀疑是真阳性还是假阳性或难以观察或医师容易看漏的候补。
例如,对比度小、面积小的情况时,真假阳性的判定困难,必须读影医师作最终判断的情况较多。另外,这种区域的可视性也难以说是良好,是医师容易看漏的阴影。另外,在被最终应判断为真阳性的异常阴影中,有边缘部的边界不明了(不鲜明)和边缘部中呈现微细的条纹状形状,或呈现被称为针状体的变形形状的情况,其边缘的复杂度上升,但是,相反边缘复杂度小的情况时,是否异常阴影的判断变得困难。另外,肿瘤的场合,圆形度越大,是肿瘤的可能性增大,但是,圆形度小的话,是否肿瘤(真阳性)的判断则变得困难。并且,尽管是相同乳房区域Sa1,由于低浓度区域Dc整体的浓度较小,所以,以低浓度出现在图像上的异常阴影,与存在于高浓度区域Da的情况相比较,存在于低浓度区域Dc时难以判别。至于异常阴影候补区域自身的浓度也同样,浓度低则可视性差,医师容易看漏。并且,接近图像端部的乳房区域中存在的异常阴影,由于其位置关系,对医师来说,是容易看漏的异常阴影。
因此,作为优先位次的判断要素,考虑对比度、面积、浓度平均值、异常阴影候补所位于的分类区域、离图像端部的距离、边缘的复杂度等,根据这些要素,综合性地决定优先位次。
具体如下,预先准备好优先位次应该为较高的阴影的特征量和优先位次应该为较低的阴影的特征量等学习数据,构筑输出作为表示优先位次的指标值0~1(表示越接近0,优先位次越低,越接近1,优先位次越高)的神经网络等多变量解析。例如,准备学习数据,调整多变量解析,使得对比度、面积、候补区域的浓度平均值、圆形度、离图像端部的距离、或边缘的复杂度越小,优先位次的指标值越高。另外,乳房区域Sa1中,按区域Dc→Db→Da的次序,异常阴影候补的判别越来越困难,所以,构筑多变量解析,使优先位次按照该次序变为高指标值。
然后,在上述多变量解析中输入为优先位次判断对象的异常阴影候补的特征量,比较由多变量解析输出的指标值和相对该指标值的阈值,将超过阈值的异常阴影候补、即某一定优先位次以上的候补,决定为应该作显示的异常阴影候补。
一旦优先位次决定,则在步骤S2的检出处理中,在被检出的异常阴影候补中,从优先位次高的异常阴影候补优先进行抽出(步骤S4),作为最终的检出结果,进行输出。
该检出结果被从图像处理装置2送往图像服务器4保存,另一方面,由图像处理部26对乳房图像(实施了用于读影的图像处理)进行位置对准处理、缩小处理、合成处理等用于显示的各种数据处理,制作显示用图像。作成的显示用图像被从图像处理装置2送往观察器5,在观察器5中进行其显示。并且,不仅是使图像在观察器5进行显示,也可以在打印器3中输出到胶片。即“显示”的概念是包括将图像输出到胶片等进行显示的情况。
由于相位衬摄影方法而乳房图像被放大拍摄,所以,与通常摄影的情况相比,图像尺寸大。可以就此进行显示,但是,这里是作为制作缩小到与被摄物体实际尺寸的等被尺寸的等倍图像,显示在观察器5中。显示用的数据处理时,从乳房图像的附带信息读出放大摄影时的放大率信息,根据读出的放大率,在图像处理部26中决定乳房图像的缩小率。例如,放大率为2倍时,定出缩小率为1/2倍。此时,缩小图像是原图像的面积的1/4。然后,在该等倍图像上,重叠作为异常阴影候补检出信息、表示检出位置的标记图像,制作合成的显示用图像,显示在观察器5。
另外,也可以在附带信息上追加读取像素尺寸,根据该读取像素尺寸信息,作为观察器的像素选择最合适的显示器。例如,附带信息中含有放大率“2”、读取像素尺寸“50μm”之信息时,作为等倍图像的显示器,合适的显示器是具有1/2×50μm=25μm像素尺寸的装置。这是因为读取的各像素与显示像素是1∶1对应,没有必要进行缩小补间,补间时不产生图像劣化。另外,图像处理部26事先取得网络上各显示器的像素尺寸的话则能够选择适合的显示器。
图9中出示了显示例子。
图9(a)是只显示了优先位次在一定位次以上的异常阴影候补的检出结果的例子,图9(b)是显示了所有被检出的异常阴影候补的检出结果时的显示例子。与显示所有被检出的结果相比,仅仅显示优先位次在一定位次以上的异常阴影候补的情况,显示画面上的显示物的数量减少,容易观察,这一点从图9(a)、(b)可以一目了然。
图9(a)、(b)是通过表示异常阴影候补检出位置的标记信息(图中的箭头)将异常阴影候补的检出结果直接显示在一用图像上的例子,但也可以如图9(c)所示,制作其缩小的副图像(图中用符号g1、g2表示的图像),显示在与主图像(图中用符号G1、G2表示的图像)的被摄物体区域不重叠的位置。即参照用图像是在等倍图像进一步缩小了的图像上重叠异常阴影候补检出信息而合成的图像。此时,检出结果的显示区域小于图9(a)显示方式的情况,但是根据本发明,因为可以减少显示对象的异常阴影候补数量,所以尤其有效。图9(c)是对左右乳房的乳房图像进行了位置对准处理的位置对准图像,其中,相邻胸壁侧的图像端相互对齐。
如上所述,根据本实施方式,从检出处理所检出的异常阴影候补中,删除明显是真阳性和假阳性的异常阴影候补,集中显示真假阳性的判断困难而必须由医师作最终判断的候补,和可视性低而医师容易看漏的候补等的检出信息,所以,能够减少指出显示的异常阴影候补的个数。由此,能够进行易观察的显示,能够提高医师的读影作业的效率。
另外,医师用自身的目视来检出明显是真阳性的异常阴影,对可视性低而不易发现的异常阴影的检出,可以参照医用图像处理系统100提供的异常阴影候补的检出结果。对所有检出的异常阴影候补都进行指出显示的情况时,对包括明显能够知道是真阳性的候补的所有候补,都必须由医师进行确认,非常繁琐。因此,如上所述,通过仅仅提供不易发现的异常阴影候补的检出结果信息,能够防止医师的看漏,同时使医师的读影作业效率化。
现在已经知道,尤其是用相位衬摄影方法得到的图像,其中,由于相位衬效果,病变部边缘与以往的乳房图像相比,可视性得到大幅度提高,没有箭头或框等标注明确的病变部(真阳性候补区域)的看漏概率大幅度降低,所以优选。
另外,也可以进行如下所述的显示控制,即首先仅将生成的乳房图像提供给医师,医师根据被提供的图像进行读影(诊断)并将该结果记录下来,然后,提供被检出的异常阴影候补的信息,由医师与在先所作的读影(诊断)结果进行比较,可以对结果进行修正。
上述实施方式是应用本发明的一个较好的例子,本发明不局限于此。
例如,作为优先位次的决定方法,这里是采用多变量解析,进行综合性的优先位次决定,但不局限于此,也可以对各异常阴影候补进行对比度小的位次、圆形度小的位次等各判断要素的优先位次决定,然后将该各判断要素的优先位次相加,从其相加值小的候补进行优先抽出。此时,对重视的判断要素附加重要度后再作相加,能够进行优先位次的适当化。
另外,以上说明的内容中,是在图像处理装置2中实现异常阴影候补检出手段和控制手段,在观察器5中实现显示手段5,但是,不局限于此,可以在医用图像处理系统100的任何一个构成装置中实现各手段。
尤其在图像生成装置1是如特开2001-238871号公报、特开2001-311701号公报、特开2002-85389号公报、特开2001-299733号公报等中所公开的那样,用相位衬法实行摄影的情况时,已经知道,由于相位衬效果,得到的图像的病变部边缘与以往的乳房图像相比,可视性得到大幅度提高,没有箭头或框等标注明确的病变部(真阳性候补区域)的看漏概率大幅度降低,所以优选。
而且,以上说明的内容中,“低浓度可视性低的区域”是表示在读影医师进行读影时到达读影医师眼中的光量较少的区域。因此,如果是用胶片以及读片灯的读影方式的话,则是透过光量较少的胶片区域,其相当于胶片上的黑色部分,相反,胶片上的透明部分为“高浓度可视性高的”部分。另一方面,如果用观察器的读影方式的话,低浓度(低驱动程度)区域则为“低浓度可视性低的”区域。
一般来说,透过被摄物体的X线量少的区域,读影时为透明部分,以高亮度被再生显示,所以,作为读影医师可视性低的区域,只要从拍摄的图像数据中,抽出透过被摄物体的X线量多的区域即可。
(第2实施方式)
对有关上述医用图像处理系统100的动作的第2实施方式作说明。
最初说明一下医用图像从生成到保存的经过。
如第1实施方式中说明的那样,首先,在图像生成装置1中进行摄影,生成医用图像(这里以乳房图像为例作说明)。然后,作为所生成的乳房图像的关联信息,将有患者姓名、年龄、性别等有关患者的信息,还有摄影时的管电压、乳房的压迫率等摄影信息,还有检查日期等检查信息和图像的读取条件等,所有有关乳房图像生成的详细信息等,附带到乳房图像。
附带了附带信息的乳房图像,被从图像生成装置1输出到图像处理装置2。
图像处理装置2中,对乳房图像实施必要的图像处理,另一方面,对乳房图像开始下述显示对象判断处理,进行异常阴影候补的检出以及从被检出的异常阴影候补抽出显示对象候补。在此,显示对象的异常阴影候补,是难以判断是真阳性还是假阳性的、必须由医师作最终判断的候补,或可视性低的医师难于观察的候补,以及位于不易发现位置的候补等等。
参照图10,对图像处理装置2所作的显示对象判断处理作说明。
图10所示显示对象判断处理中,首先,由异常阴影候补检出部27从医用图像中抽出乳房区域、胸肌区域等各区域(步骤T1),之后,在上述被抽出的乳房区域中进行异常阴影候补的检出(步骤T2)。此时,将被检出的异常阴影候补作为检出候补R1。作为异常阴影候补的检出方法,例如如第1实施方式中所述,可以考虑乳房图像中微小钙化群阴影候补的检出方法。
接下去,算出检出候补R1的图像特征量(步骤T3)。图像特征量是至少算出候补区域中的像素值的标准偏差、浓度平均值、曲率、分形(fractals)维数、圆形度、面积、与周边区域的对比度、边缘的复杂度、离图像端部的距离、异常阴影候补被检出的分类区域(存在于图5所示区域Da~Dc的哪一个)等。将这些图像特征量作为判断要素,对难以判断真假阳性的或可视性低的异常阴影候补的进行判断。
并且,从异常阴影候补区域与其周边区域的浓度差(像素值的差)求得对比度,从异常阴影候补区域的像素数求得面积,从胸壁侧的图像端部到异常阴影候补的检出位置的距离(像素数)求得离图像端部的距离。
圆形度用第1实施方式所述的式(1)算出。另外,边缘的复杂度是如图8所示,对表示异常阴影候补轮廓线的周期函数进行傅里叶展开时,用第1实施方式所述的式(2)所算出的展开系数ak、bk。
接下去,在控制部21中,采用为了检出假阳性候补而预先设定的、记忆在记忆部25中的第1阈值TH1,根据算出的图像特征量,检出检出候补R1中的假阳性候补(指假阳性可能性较高的候补)。然后,从检出候补R1中删除被检出的假阳性候补(步骤T4)。将从候补中删除了该假阳性候补后剩下的候补,作为检出候补R2。
具体如下,根据在候补区域中算出的对比度、标准偏差、浓度平均值、曲率、面积、分形维数、圆形度、边缘的复杂度等各种图像特征量,由多变量解析算出表示真阳性之可能性的指标值。例如,从事先知道是真阳性的阴影算出的图像特征量或从被判断为图像上可视性低医师容易看漏的阴影算出图像特征量,将这些图像特征量作为学习数据,通过神经网等构筑判定逻辑,将从判定对象之阴影候补算出的各种图像特征量输入到该判定逻辑,得到表示相应阴影候补的真阳性之可能性的指标值。然后,比较该指标值与阈值TH1,相应比较的结果,删除假阳性候补。
例如,以阈值TH1=0.25,具有低于该指标值的候补为假阳性候补之判断条件,对此情况作说明。检出时,若对输出的真阳性的指标值(以此作为S)是用0~1的值(越接近0,真阳性的可能性越低,越接近1,为真阳性的可能性越高)被输出的话,则检出候补R1中,指标值S为S<TH1(=0.25)的检出候补,是作为假阳性候补被检出。
一旦被检出的假阳性候补被从检出候补R1删除,剩下的检出候补R2被抽出,则控制部21采用接下去为了删除真阳性候补而事先设定且记忆在记忆部25中的第2阈值TH2,根据检出候补R2的图像特征量,在检出候补R2检出真阳性候补(指真阳性的可能性较高的候补)。然后,被检出的真阳性候补被从检出候补R2删除(步骤T5)。以从该检出候补R2删除了真阳性候补后剩下的检出候补为R3。
例如,以阈值TH2=0.85,具有高于该指标值的候补为假阳性候补之判断条件的话,则上述例子中是检出候补R2中,指标值S为S>TH2(=0.85)的检出候补R3作为真阳性候补被检出。
即,检出候补R3,是通过检出处理,从被检出的异常阴影候补R1中除去了假阳性候补以及真阳性候补以后的候补,也就是说,是被抽出的、怀疑是不是真阳性而需要医师判断的候补。
上述为了删除假阳性候补以及真阳性候补所采用的阈值TH1、TH2,可以分每次读影进行设定。具体如下,构成可以通过操作部22输入阈值TH1、TH2的设定信息之结构,将此阈值TH1、TH2的设定信息按各读影医师、与固有的读影医师ID等相对应后,格纳到记忆部25。然后,读影时,通过使输入读影医师ID等,从控制部21读出相应读影医师所对应的阈值TH1、TH2,用于上述处理。
例如,如果是想尽量避免显示假阳性候补的医师的话,将阈值TH1从0.25改变设定为0.3等,通过适应医师的技能和读影方式等来设定阈值TH1、TH2,能够调整异常阴影候补的显示个数,能够进行与各读影医师的技能等相适合的显示。
通过阈值TH1、TH2而被抽出的检出候补R3,其检出结果被从图像处理装置2传送到图像服务器4保存,另一方面,其医用图像以及检出结果被从图像处理装置2送往观察器5,在观察器5进行其显示
图11表示显示的例子。
图11(a)是检出候补R1的显示例,图11(b)是检出候补R2、图11(c)是检出候补R3的显示例。从图11(a)~(c)可以知道,由于从检出候补R1删除了假阳性候补(参照图11(b))和删除了真阳性候补(参照图11(c)),从医用图像的显示画面上减少了表示候补检出位置的标记,成为容易观察的显示状态。另外,将明显是假阳性以及真阳性的异常阴影候补从显示对象中去掉,所以,能够进行高效率读影。
另外,图11(c)表示将异常阴影候补的检出信息直接显示在乳房图像上的例子,但是,也可以如图12所示,以不显示检出结果的乳房图像作为主图像(图中用符号G3、G4表示的图像),制作其缩小的副图像(图中用符号g3、g4表示的图像)上合成了检出信息的图像,将其显示在与主图像的被摄物体区域不重叠的位置。此时,检出信息的显示区域与图11(c)的显示方式的情况相比有所变小,但是根据本发明,因为能够减少显示对象的异常阴影候补的个数,所以尤其有效。图12表示位置对齐的图像,其中对左右乳房的乳房图像进行了位置对齐处理,使胸壁侧的图像端左右相互对准。
另外,上述实施方式中,说明了为了抽出真假阳性的判断困难而最终必须医师判断的异常阴影候补,根据异常阴影候补的图像特征量,算出表示真阳性之可能性的指标值的例子,但是,在抽出更低浓度或位于难以目视位置等图像上的可视性低的异常阴影候补时,算出表示可视性之程度的指标值。此时同样,预先将可视性低的异常阴影候补的图像特征量作为学习数据通过多变量解析构筑判定逻辑,从判定对象的异常阴影候补的图像特征量算出表示可视性高低程度的指标值。然后,可以准备好用来判断可视性低否的第3阈值TH3,用该第3阈值TH3,在异常阴影候补的检出候补R1~R3的任何一个抽出阶段,判断可视性低的异常阴影候补,进行抽出。由此,能够单纯提供被抽出的怀疑是否真阳性而需要医师判断的候补、可视性低而医师看漏之可能性高的候补的任何一种和其双方的检出信息。
如上所述,根据本实施方式,从检出处理所检出的异常阴影候补中删除明显是真阳性和假阳性的异常阴影候补,集中显示真假阳性的判断困难而必须由医师作最终判断的候补,和可视性低而医师容易看漏的候补等的检出信息,所以,能够减少指出显示的异常阴影候补的个数。由此,能够进行易观察的显示,能够提高医师的读影作业的效率。
通过利用2个阈值,将异常阴影候补分类为明显的真阳性、是真阳性是假阳性是可疑的、明显的假阳性的各个组,能够相应医师的读影(诊断)方式和当天的精神情况等,选择读影次序。例如,可以只对明显的真阳性候补以及明显的假阳性候补进行读影判断,在第二天精力充沛时,对真正需要医师精确判断的是真阳性是假阳性的可疑候补作读影判断地进行调节。
另外,医师可以对明显是真阳性的异常阴影通过医师自身的目视来检出,对可视性低而不易发现的异常阴影的检出,参照医用图像处理系统100提供的异常阴影候补的检出结果。对所有检出的异常阴影候补都进行指出显示的情况时,对包括明显能够知道是真阳性的候补的所有候补,都必须由医师进行确认,非常繁琐。因此,如上所述,通过仅仅提供不易发现的异常阴影候补的检出结果信息,能够防止医师的看漏,同时使医师的读影作业效率化。
现在已经知道,用相位衬法进行摄影时,得到的图像的病变部边缘,由于相位衬效果,与以往的乳房图像相比,可视性得到提高,检出信息没有显示的明确的病变部(真阳性候补区域)的看漏概率大幅度降低,所以优选。
上述实施方式是应用本发明的一个较好的例子,本发明不局限于此。
例如,以上说明的内容中,是在图像处理装置2中实现异常阴影候补检出手段和控制手段,在观察器5中实现显示手段5,但是,不局限于此,可以在医用图像处理系统100的任何一个构成装置中实现各手段。
另外,上述实施方式中,阈值TH1、TH2都可以根据读影医师进行设定,但也可以构成就检出假阳性候补时的阈值TH1是各读影医师通用设定,而就检出真阳性时的阈值TH2是能够根据各读影医师设定之结构。例如,可以就阈值TH1设定为事先在制造厂方定出的值或医院内统一的值等,以实现其检出结果的统一化,而阈值TH2则根据各读影医师的技能等调整其检出结果,由此现实与读影环境相适应的规格。
另外,阈值TH1等是相对指标值来说的阈值,其中,该指标值是作为多变量解析的判定逻辑的结果被输出,但是不局限于此,也可以分每图像特征量准备阈值TH1,以用这个阈值就各图像特征量抽出的异常阴影候补为显示对象。
另外,本实施方式中也可以进行如下所述的显示控制,首先仅将生成的乳房图像提供给医师,医师根据被提供的图像进行读影(诊断)并将该结果记录下来,然后,提供被检出的异常阴影候补的信息,由医师与在先所作的读影(诊断)结果进行比较,可以对结果进行修正。
医师在最初所作的读影中,除真阳性区域外,还认识到存在是真阳性还是假阳性的困难区域,在显示异常阴影候补检出结果之际,通过输入与这个区域相应的阈值显示检出结果,与显示所有检出结果的显示方法相比,能够参照检出结果,短时间迅速地对异常阴影候补的真假进行确定诊断,医师通过利用本发明,能够实现提高水平。
并且,随着医师读影(诊断)能力的变化(水平提高),通过改变阈值,能够用更短时间确定异常阴影候补。
(与本发明相关的其他实施方式)
有关上述医用图像处理系统100的动作,对与本发明相关的其他实施方式作说明。本实施方式中说明的例子,是在通过多个检出算法经过不同检出过程进行异常阴影候补的检出之际,从被检出的异常阴影候补抽出与其检出过程相应的显示输出对象之异常阴影候补,显示输出被抽出的异常阴影候补的检出信息。
首先说明一下医用图像从生成到保存的经过。
如第1实施方式和第2实施方式说明的那样,首先,在图像生成装置1中进行摄影,生成医用图像(这里以乳房图像为例作说明)。然后,作为所生成的乳房图像的关联信息,将有患者姓名、年龄、性别等有关患者的信息,还有摄影时的管电压、乳房的压迫厚等摄影信息,还有检查日期等检查信息和图像的读取条件等,所有有关乳房图像生成的详细信息等,附带到乳房图像。
附带了附带信息的乳房图像,被从图像生成装置1输出到图像处理装置2。
图像处理装置2中,通过通信部24被输入的乳房图像被记忆到记忆部25,之后由图像处理部25对被输入的乳房图像实施必要的图像处理,另一方面,异常阴影候补检出部27对乳房图像开始异常阴影候补的检出处理。
异常阴影候补的检出处理是组合2个检出算法来进行的,但是,作为其处理模式,有2个检出算法的组合检出过程不同的3种,可以由技师或读影医师设定,应用哪一种处理模式。
处理模式有第1~第3的模式,第1处理模式是用一个检出算法进行检出处理,之后,对除了通过该检出处理而被判别为假阳性的区域之外的图像区域,用其他检出算法进行检出处理。另外,第2处理模式与第1处理模式之不同点,是仅仅颠倒了第1处理模式中的各检出算法的处理次序,第3处理模式则是一个检出算法与其他检出算法的检出处理并行进行,只要在任何一个检出算法被检出,那么都作为检出结果。
以下,参照图13对第1处理模式作说明后,对其他的处理模式(第2处理模式和第3处里模式)作说明。
图13是表示第1处理模式中异常阴影候补的检出处理之经过的流程图。
如图13所示,首先在异常阴影候补检出部27中,保存在记忆部24的乳房图像被读出(步骤S31),采用滤波器组作为检出算法,对被读出的乳房图像进行异常阴影候补检出处理(以下称处理1)(步骤S32)。
在此,对以圆形和线状模样为检出对象的滤波器组的检出算法作说明(参照电子信息通信学会论文杂志D-II Vol.J87-D-II No.1pp.186-196)。
图14表示引进了子波解析中的多重分辨率之概念的滤波器组。以原图像为S0f,以该分辨率水准为零。HL(zj),FL(zj)是分辨率水准j中的低波段通过滤波,HH(zj),FH(zj)是高波段通过滤波。另外,Sjf,Whjf,Wvjf,wdjf分别是分辨率水准j的平滑化部分图像、水平部分图像、垂直部分图像、对角部分图像。在滤波器组的波段分割滤波器组侧,反复进行低波段侧成分的分割。相反,在波段合成滤波器组侧,对它们进行合成。在该滤波器组中,各滤波由以下格式(3)~(6)给出。
【数2】
【数3】
【数4】
【数5】
在此,因为HH(z)是1阶差分滤波,HH(z)FH(z)是2阶差分滤波,所以,分辨率水准j中的水平部分图像和垂直部分图像,分别相当于对分辨率水准j-1的平滑化部分图像在垂直方向加上2阶差分滤波后的图像和在水平方向加上2阶差分滤波后的图像。另外,对角部分图像是水平方向以及垂直方向加上1阶差分滤波后的图像。即,这些部分图像相当于用以下式(7)表示的海赛矩阵H的各要素。
【数6】
将以分辨率水准j的水平部分图像、垂直部分图像、对角部分图像为各要素的海赛矩阵的最小固有值,用作分辨率水准j的圆形模式增强图像λminj(x,y)(以下式(8))。
【数7】
另外,将海赛矩阵的最大固有值,用作分辨率水准j的圆形/线状模式增强图像λmaxj(x,y)(以下式(9))。
【数8】
通过采用圆形模式增强图像λminj(x,y)、圆形/线状模式λmaxj(x,y),能够检出不同大小的圆形模式以及圆形/线状模式。
参照图15,对用以上说明的滤波器组的检出算法所进行的异常阴影候补的检出处理进行说明。
首先,检出对象的医用图像被输入到滤波器组(步骤S41)。
接下去,从通过滤波波器组得到的多个分辨率的图像算出海赛矩阵的最大固有值以及最小固有值(步骤S42)。然后,制作不同大小的圆形/线状模式增强图像(步骤S43),抽出圆形成分以及线状成分。
接下去,在增强图像上设定兴趣区域(例如5mm×5mm),算出该区域内存在的圆形成分/线状成分的图像特征量(步骤S44)。圆形成分/线状成分的图线特征量中包含各成分的大小和各成分的分布等。
然后,根据圆形成分/线状成分的图像特征量,判别圆形成分/线状成分属于真阳性和假阳性的哪一种(步骤S45)。
判别可以采用马氏距离的判别分析。这是事先准备已经知道是真阳性以及假阳性的学习数据,根据这些学习数据的图像特征量求得马氏距离,判别特征是接近真阳性和假阳性的哪一个。一旦得到判别结果,则进展到图13的步骤S33的处理。
步骤S33中,算出被判别为真阳性以及假阳性的候补区域的位置、面积等,作为处理1中异常阴影候补的检出结果,记忆到记忆部25。
接下去,从记忆部25读出与处理1中作为检出对象的医用图像相同的图像(步骤S34)。另外,从记忆部25读出处理1所检出的异常阴影候补的检出结果的信息,根据该被读出的检出结果(位置信息),进行前处理(步骤S35),该前处理是生成从所述医用图像除去由处理1判别为假阳性的图像区域后的图像(称之为前处理图像)。具体是进行下述设定等处理,即在被判别为假阳性的图像区域的各像素上,设定表示从检出处理的处理对象除外的属性标记。
接下去,以生成的前处理图像为对象,进行采用了图像特征量的异常阴影候补检出处理(以下称为处理2)(步骤S36)。处理2是由检出算法所作的检出处理,其中,算出图像中所含的阴影区域的图像特征量,根据算出的图像特征量,判别阴影是真阳性还是假阳性,进行异常阴影候补的检出。
参照图16,对处理2的检出算法所作检出处理的经过作说明。
首先,从前处理图像特定异常阴影候补区域(步骤S51)。作为该方法,已经有特开平10-91758号公报中公开的虹膜滤波手法,还有采用拉普拉斯算符滤波的手法(电气信息通信学会论文杂志(D-II),Vol.J76-D-II,no.2,pp.241-249,1993),Morphological Filter(电气信息通信学会论文杂志(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992)、拉普拉斯滤波(电气信息通信学会论文杂志(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998)、3重环滤波等,与病变种类相应的各种算法被开发,所以,可以应用任何一种。并且,有关作为假阳性区域而由前处理删除的区域,不应用滤波,不作候补区域的特定。
一旦候补区域被特定,则该被特定的候补区域的图像特征量被算出(步骤S52)。图像特征量中包含候补区域的面积、圆形度、不整形度、平均像素值、标准偏差、候补区域与其对比度等。
这里的面积表示构成被特定之候补区域的像素数。
另外,圆形度是表示形状复杂程度的图像特征量,以候补区域的面积为S、候补区域的轮廓线的长度(周长)为L,用下式(10)表示。
e=4πS/L2…(10)
或以候补区域的重心为中心、与候补区域的面积S相同面积区域的圆,和候补区域重叠的面积为U,可以用以下式(11)表示。
e=U/S…(11)
圆形度e的值是越接近圆越大,其值接近1。
不整形度f,以候补区域的周长为L、对候补区域的周长进行平滑化之后的周长为L′,用以下式(12)表示。
f=L′/L…(12)
接下去,根据算出的各图像特征量,判别处理2所检出的异常阴影候补是真阳性还是假阳性(步骤S53)。判别可以如下进行,例如,作为学习数据,事先准备属于真阳性或假阳性的2组阴影图像的图像特征量,求得从各组的中心到判断对像数据(被算出的图像特征量)的马氏距离,判别是接近真阳性和假阳性的哪一个组。一旦得到判别结果,则进展到图13的步骤S37的处理。
步骤S37中,作为处理2的检出结果,异常阴影候补的位置信息、面积信息等信息被记忆到记忆部25。
接下去,控制部21从记忆部25读出处理模式1的检出结果信息,同时还读出对处理模式1设定的抽出条件信息。并且,对处理模式1设定的抽出条件是抽出所有的异常阴影候补。即,根据被读出的检出结果信息,将所有被检出的异常阴影候补作为显示对象候补进行抽出,在显示部23上显示其检出信息(步骤S38)。检出信息是指提供给医师的信息,其有关于异常阴影候补的检出,可以举出例如,指出检出位置的标记图像,表示作为检出对象的病变、面积等有关异常阴影候补事项的文字信息等。
以上是第1处理模式中的处理经过,但是,第2处理模式只是第1处理模式中的处理1和处理2的次序颠倒,所以,省略对第2处理模式的详细说明。第2处理模式中的异常阴影候补的抽出条件也和第1处理模式的条件相同。即,对经处理2而被删除了假阳性区域的前处理图像施行处理1,对经处理1而被判别为真阳性的所有异常阴影候补进行检出信息的显示。
接下去,参照图17,对第3处理模式涉及的异常阴影候补检出处理进行说明。
如图17所示,首先,在异常阴影候补检出部27中,读出保存在记忆部24的乳房图像(步骤T11)。接下去,对该乳房图像分别独立地并行进行处理1以及处理2的检出处理(步骤T21、T22),各检出处理的检出结果分别记忆到记忆部25(步骤T31、T32)。各处理1、2的内容如上所述,省略说明。
接下去,在控制部21中,从记忆部25读出处理1以及处理2的检出结果,在这些被检出的异常阴影候补中,抽出其检出信息应该作显示的异常阴影候补(步骤T33)。
第1和第2处理模式的情况时,对用一个检出算法而被判别为真阳性的区域,再一次用其他检出算法进行检出处理,将用其他检出算法也被判别为真阳性的区域,作为最终的检出结果进行输出。也就是说,因为用2个阶段进行检出处理,所以,可以想象检出结果中所含的异常阴影候补为真阳性的可能性较高。
而第3处理模式的情况时,一个检出算法和其他检出算法分开并列进行,任何一个检出算法中检出的异常阴影候补被作为检出结果输出。因此,与第1和第2处理模式相比,可以想象其检出精度较低,与其相应,检出结果中含有假阳性候补的几率较高。若根据该检出结果,与第1处理模式相同,对所有被检出的异常阴影候补作其检出结果显示的话,那么,在显示部23中的显示个数增多,成为难以观察的显示。
由此,第3处理模式中,在被检出的异常阴影候补中抽出作为显示对象的候补,由此减少其检出信息的显示数目。
在此,检出信息应该作显示的异常阴影候补,是其异常阴影候补是真阳性还是假阳性都难以明确判别而需要医师作最终判断的异常阴影候补,也是为了抽出这种候补,抽出条件被设定并记忆在记忆部25中的候补。对用目视明确分清是真阳性的阴影,不特意用图像处理装置2进行检出信息的显示,医师也能够发现。因此,作为医师的要求和希望,并不是对这种明确的阴影,而是对真假阳性判断困难的阴影,需要参照检出信息。因此,根据医师的这种要求和希望,设定抽出条件。
另外,其检出位置和图像上可视性较低而医师难以发现的异常阴影候补的检出信息,因为也是应该提供,所以可以抽出这样的异常阴影候补。
应该作为显示对象的异常阴影候补的抽出,采用图像特征量来进行。
例如,对比度小面积小的情况时,真假阳性的判定困难,需要医师作最终判断的情况较多。另外,可视性不太好成为医师观察时容易漏掉的阴影。另外,真阳性的异常阴影有边缘部分边界不明了(不鲜明),或边缘部呈现微细条纹状形状,或具有被称为针状的变形形状的情况,其边缘的不整形度增大,但相反,边缘的不整形度较小时,是否真阳性的判断变得困难。另外,肿瘤的情况,圆形度越大肿瘤的可能性越高,圆形度小的话,则是否肿瘤(真阳性)的判断变得困难。
因此,将这些图像特征作为判断要素,判断是否真阳性的判断为困难的或可视性低的异常阴影候补。
具体如下,根据在候补区域中算出的对比度、标准偏差、浓度平均值、曲率、面积、分形维数、圆形度、边缘的不整形度等各种图像特征量,由多变量解析算出表示真阳性之可能性的指标值。例如,将从事先知道是真阳性的阴影算出的图像特征量作为学习数据,通过神经网等构筑判定逻辑,将从判定对象之阴影候补算出的各种图像特征量输入到该判定逻辑,得到表示相应阴影候补的真阳性之可能性的指标值。
然后,将该指标值与为了检出假阳性候补的阈值TH1和为了检出真阳性候补的阈值TH2进行比较,根据比较结果,判断被检出的异常阴影候补中的假阳性候补以及真阳性候补,将去掉它们后的剩余异常阴影候补,作为应该显示的异常阴影候补,进行抽出。
例如,以阈值TH1=0.25,TH2=0.85,具有低于TH1指标值的候补为假阳性候补,且具有高于TH2指标值的候补为真阳性候补之判断条件,对此情况作说明。检出时,若对输出的真阳性的指标值(以此作为S)是用0~1的值(越接近0,真阳性的可能性越低,越接近1,为真阳性的可能性越高)被输出的话,则检出候补中,指标值S为TH1<S<TH2的异常阴影候补被抽出。
即,被抽出的候补,是通过检出处理,从被检出的异常阴影候补中除去了假阳性候补以及真阳性候补以后的候补,也就是说,是被抽出的怀疑是不是真阳性而需要医师判断的候补。并且,接近图像端部的乳房区域中存在的异常阴影,因为处于端部位置而医师容易看漏。因此,欲将这种位于医师难以发现之位置的异常阴影候补加入到显示对象中时,可以事先作为难以发现之区域的边界,求出从图像端的距离,将其作为阈值TH3,在被检出的异常阴影候补中,将小于阈值TH3(即,在接近图像端的位置)的异常阴影候补作为应该作显示的异常阴影候补进行抽出。
上述为了判断假阳性候补以及真阳性候补所采用的阈值TH1、TH2,可以分每次读影进行设定。具体如下,构成可以通过操作部22输入阈值TH1、TH2的设定信息之结构,将这个阈值TH1、TH2的设定信息按各读影医师,与固有的读影医师ID等相对应后,格纳到记忆部25。然后,读影时,通过使输入读影医师ID等,从控制部21读出相应读影医师所对应的阈值TH1、TH2,用于上述处理。
例如,如果是想尽量避免显示假阳性候补的医师的话,将阈值TH1从0.25改变设定为0.3等,通过适应医师的技能和读影方式等来设定阈值TH1、TH2,能够调整异常阴影候补的显示个数,能够进行与各读影医师的技能等相适合的显示。
如上所述,一旦应该作显示的异常阴影候补被抽出,则该被抽出的异常候补的检出信息显示在显示部23上(步骤T34)。
图18表示各处理模式1~3的异常阴影候补的检出信息的显示例子。
图18(a)是处理模式1和2的显示例子示意图,图18(b)是处理模式3的显示例子示意图。图18(a)、(b)中,作为乳房图像上的异常阴影候补的检出信息,显示了表示其检出位置的标记图像(图中的箭头)。
处理模式1和2中,因为是只有真阳性可能性高的候补作为检出结果被输出,所以,如图18(a)所示,能够集中对异常阴影候补的可能性较高的阴影进行标记显示。
反之,处理模式3中,删除了真阳性和假阳性的可能性较高的候补,只将剩下的候补作为检出结果进行输出,所以能够集中对从形状和浓度等难以判断是真阳性还是假阳性的阴影进行标记显示。
如上所述,根据本实施方式,用2个检出处理的组合,经处理模式1~3的不同检出过程时,相应其检出过程,从被检出的异常阴影候补中,抽出应该作检出信息显示的候补,只对被抽出的异常阴影候补进行检出信息的显示。由此,相应检出过程,限制了检出信息的显示个数,能够实现容易读影的显示形式,提高医师的读影效率。
另外,真阳性候补的检出率较高的处理模式1和2的情况时,是抽出所有的异常阴影候补,假阳性候补的检出率较高的处理模式3的情况时,是抽出真假阳性判断困难的候补和可视性较低医师难以发现的候补。这样,与不同检出过程产生的检出率不同相应,可以改变其异常阴影候补的检出信息的显示个数,所以,能够调整,使得显示个数减少。
(与本发明相关的其他实施方式)
有关上述医用图像处理系统100的动作,对与本发明相关的其他实施方式作进一步说明。本实施方式中说明的例子,具有与作为检出目的的病变种相应的多个检出算法,采用与检出的病变种相应的检出算法进行异常阴影候补的检出之际,与由于采用的检出算法而不同的检出过程相应,抽出显示对象的异常阴影候补,显示输出被抽出的异常阴影候补的检出信息。
本实施方式中,图像处理装置2的记忆部25中,格纳着与作为检出目的的病变种相应的检出算法的检出处理程序。本实施方式中是格纳着与乳房中的病变的肿瘤、微小钙化群的2种类相应的检出算法的程序。
接下去,参照图19,对本实施方式中的图像处理装置2的异常阴影候补的检出处理作说明。
图19所示的异常阴影候补的检出处理,其中,首先由异常阴影候补检出部27从记忆部25读出处理对象的医用图像(步骤E1)。接下去,在显示部23显示用来选择检出对象病变种的选择画面,其中所作的指示是使进行选择操作,选择肿瘤和微小钙化群中的哪一种病变种异常阴影作为检出对象。
然后,一旦医师通过操作部22在该选择画面进行任何一方病变种的选择操作(步骤E2),则微小钙化群被选择时(步骤E2:群),进展到步骤E3的处理;肿瘤被选择时(步骤E2:肿瘤),进展到步骤E6的处理。
首先,对微小钙化群被选择的情况进行说明。
步骤E3中,在异常阴影候补检出部27中,从记忆部25读出与微小钙化群相应的检出处理程序,通过与该读出程序的协动,进行异常阴影候补的检出处理。即,用与检出微小钙化群相应的检出算法进行检出。
微小钙化群的检出算法,其中,由3重环滤波等特定候补区域之后,经过作采用特征量的检出处理(处理2)之检出过程。有关各处理内容如上所述,在此作省略。
然后,一旦所有的检出过程结束,则被检出的异常阴影候补的位置信息、面积等信息,作为微小钙化群的检出结果,保存到记忆部25(步骤E4)。接下去,由控制部21从记忆部25读出检出结果的信息,同时,读出事先对微小钙化群的检出过程设定的异常阴影候补的抽出条件。并且,对微小钙化群的检出过程所设定的抽出条件,是抽出所有的异常阴影候补。即,根据读出的检出结果信息,被检出的所有异常阴影候补作为显示对象候补被抽出,被检出的所有异常阴影候补,其检出信息被显示在显示部23上(步骤E5)。
接下去,对肿瘤被选择的情况进行说明。
步骤E6中,在异常阴影候补检出部27中,从记忆部25读出与肿瘤相应的检出处理程序,通过与该读出程序的协动,进行异常阴影候补的检出处理。即,用与检出肿瘤相应的检出算法,进行检出。
肿瘤的检出算法,其中,经过作采用滤波器组的处理1之检出过程。
然后,一旦所有的检出过程结束,则被检出的异常阴影候补的位置信息、面积等信息,作为肿瘤的检出结果,被保存到记忆部25(步骤E7)。接下去,由控制部21从记忆部25读出检出结果的信息。然后,被检出的异常阴影候补中,其检出信息应作显示的候补被抽出(步骤E8)。
微小钙化群的情况时,其阴影是带有逆圆锥构造浓度变化的微小白点的聚合(成群)出现在图像上。因此,作为被检出的异常阴影候补的检出信息,是输出围着微小阴影为成群部分的框的标记图像。即,虽然假阳性候补数较多时其聚合区域变大,但是因为阴影是微小的点,所以其变化量较小。因此,即使是异常阴影候补的检出数较多,也仅仅是框的大小有所变化,对可视性的影响不是很大。
但是,肿瘤的情况时,标记是采用箭头等,对被检出的肿瘤的每一个候补进行指出,因此,检出候补较多的话,占用相应的显示区域,成为读影的障碍。因此,有关肿瘤的检出结果,通过在被检出的异常阴影候补中,抽出作为显示对象的候补,减少其检出信息的显示个数。
肿瘤的场合,明确是真阳性的阴影,其形状与3~5mm前后的微小钙化阴影相比要来得大,病巢边缘的轮廓(与周围组织的浓度差)明了(如果是相位衬摄影的话,边缘效果更明显),医师可以用目视确认。因此,与第1实施方式相同,在控制部21中,抽出难以明确判别真假阳性而需要医师作最终判断的异常阴影候补,或其检出位置在图像上的可视性低致使医师不易发现的异常阴影候补。有关抽出方法,与上述实施方式相同,在此省略说明。
如上所述,一旦应该作显示的异常阴影候补被抽出,则该被抽出的异常阴影候补的检出信息被显示在显示部23上(步骤E8)。
图20表示异常阴影候补的检出信息的显示例子。
图20(a)是微小钙化群候补的显示例示意图,图20(b)是肿瘤候补的显示例示意图。微小钙化群的情况时,为了让医师能够特定以点状出现的微小钙化部分的阴影的聚合,如图20(a)所示,使用围着其候补聚集部分的框的标记。且图20(a)中,为了方便起见用黑点表示微小钙化群的阴影,但实际上是以低浓度发白的阴影出现。反之,肿瘤则持有3mm~5mm之一定程度大小,出现在图像上,所以作为肿瘤候补的标记,如图20(b)所示,采用指出检出位置的箭头。
微小钙化群的场合,假阳性候补被多数检出时大多是在真阳性候补的周边被检出,这可以认为是虽然假阳性候补较多但其钙化部分聚合的区域的变动仅微。因此,虽然对所有的检出候补作检出信息的显示,但如图20(a)所示,也只不过是作为标记的框的尺寸发生变化,而不是框的个数增加,这对医用图像的读影来说,不太成为检出信息的显示障碍。
反之,肿瘤的场合,因为是1个候补显示1个标记,所以,若假阳性候补个数较多的话,则占医用途像上的检出信息的标记数也多,显示形式变得不易观察。因此,通过根据形状和浓度等集中显示真假阳性的判断为困难的阴影,减少其显示个数,由此能够实现容易读影的显示形式。
也可以以与医师的操作相应,能够切换显示图20(a)所示微小钙化群的显示和图20(b)所示肿瘤的显示,也可以在同一乳房图像上进行显示。
如上所述,根据本实施方式,相应检出目的经过不同检出过程的情况时,相应其检出过程,从被检出的异常阴影候补抽出其检出信息应该作显示的候补,仅对被抽出的异常阴影候补进行检出信息的显示。由此,限制了与检出过程相应的检出信息的显示个数,能够实现容易读影的显示形式,能够提高医师的读影效率。
另外,作为检出信息,用框围着被检出的候补之聚合部分微小钙化群的情况时,是抽出所有被检出的候补,用箭头指出各个候补的检出位置的肿瘤的情况时,是抽出真假阳性的判断为困难的候补和可视性低而医师不易发现的候补。如此与检出过程不同产生的检出率不同相应,改变异常阴影候补的检出信息的显示个数,所以,能够调整减少显示个数。
另外,在图像处理装置2中实现了异常阴影候补的检出和显示对象候补的抽出等功能,但不局限于此,也可以在观察器5等医用图像处理装置100的各构成装置中分别实现上述功能,也可以另外设置具有这些功能的专用装置。
另外,所作说明的例子中,异常阴影候补的检出信息是通过观察器5进行显示输出的,但不局限于此,也可以应用于打印器3进行胶片输出的情况。
Claims (20)
1.一种异常阴影候补的显示方法,其特征在于,包括:
检出工序,其对一张医用图像进行图像解析,检出异常阴影候补;
抽出工序,其从在一张医用图像中所述被检出的异常阴影候利中,抽出向观察者告知为异常阴影候补的异常阴影候补;
显示工序,其显示表示是所述被抽出的异常阴影候补的检出信息,
所述抽出工序中,算出所述被检出的异常阴影候补的图像特征量,根据该图像特征量,决定向观察者告知为异常阴影候补的异常阴影候补的优先位次,在所述被检出的异常阴影候补中,从优先位次高的异常阴影候补起,优先进行抽出,并删除明显是真阳性和假阳性的异常阴影候补。
2.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,算出异常阴影候补与其周边区域之间的对比度,将该对比度小的异常阴影候补的优先位次决定为高位次。
3.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,算出异常阴影候补的区域面积,将该面积小的异常阴影候补的优先位次决定为高位次。
4.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,算出从所述医用图像的图像端部到异常阴影候补的检出位置的距离,将该距离短的异常阴影候补的优先位次决定为高位次。
5.根据权利要求1至4的任一项所述的异常阴影候补的显示方法,其特征在于,包括从所述医用图像认识被摄物体区域,将该被摄物体区域分类成多个区域的工序,所述抽出工序中,与在所述被认识的被摄物体区域中的所述异常阴影候补被检出的分类区域相应,决定优先位次。
6.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,算出异常阴影候补的形状特征量,根据该形状特征量,决定优先位次。
7.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,算出异常阴影候补的候补区域的浓度,将具有该浓度低的特征量的异常阴影候补的优先位次决定为高位次。
8.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述抽出工序中,作为所述图像特征量,至少算出异常阴影候补的候补区域的面积、浓度、与周边区域的对比度、异常阴影候补的形状、从医用图像的图像端部到异常阴影候补检出位置的距离之中的一个以上,根据该算出的特征量,决定优先位次。
9.根据权利要求1所述的异常阴影候补的显示方法,其特征在于,所述显示工序中,将表示是所述被抽出的异常阴影候补的检出信息与所述医用图像一起,进行显示。
10.根据权利要求9所述的异常阴影候补的显示方法,其特征在于,所述医用图像是用相位衬摄影方法拍摄的医用图像。
11.根据权利要求9所述的异常阴影候补的显示方法,其特征在于,所述显示工序中,显示将所述医用图像缩小到与被摄物体等倍尺寸的等倍图像。
12.根据权利要求11所述的异常阴影候补的显示方法,其特征在于,从所述医用图像制作参照用图像,将在该制作图像上重叠了检出信息的图像,与所述等倍图像一起进行显示。
13.一种异常阴影候补的显示方法,其特征在于,包括:
检出工序,其对一张医用图像进行图像解析,检出异常阴影候补;
抽出工序,其从在一张医用图像中所述被检出的异常阴影候补中,抽出向观察者告知为异常阴影候补的异常阴影候补;
显示工序,其显示表示是所述被抽出的异常阴影候补的检出信息,
所述抽出工序中,根据事先设定的阈值,从所述被检出的异常阴影候补中,抽出向观察者告知为异常阴影候补的异常阴影候补,
所述阈值具有第1阈值以及第2阈值,所述抽出工序中,从所述被检出的异常阴影候补中,用所述第1阈值以及第2阈值,判断向观察者告知为异常阴影候补的异常阴影候补,并进行抽出,
所述第1阈值是用来删除假阳性候补的阈值,所述第2阈值是用来删除真阳性候补的阈值,所述抽出工序中,以从所述被检出的异常阴影候补中,用所述第1阈值以及第2阈值删除了假阳性候补以及真阳性候补后剩下的异常阴影候补,作为向观察者告知为异常阴影候补的对象,进行抽出。
14.根据权利要求13所述的异常阴影候补的显示方法,其特征在于,所述第1阈值或第2阈值能够按每一读影医师进行设定。
15.根据权利要求13所述的异常阴影候补的显示方法,其特征在于,所述第1阈值是各读影医师通用的设定,所述第2阈值能够按每一读影医师设定。
16.根据权利要求13所述的异常阴影候补的显示方法,其特征在于,所述阈值具有第3阈值,该第3阈值用来判断图像上的可视性是否为低,所述抽出工序中,从所述被检出的异常阴影候补中,抽出用所述第3阈值被判断为可视性低的异常阴影候补。
17.一种医用图像处理系统,其特征在于,包括:
异常阴影候补检出手段,其对一张医用图像进行图像解析,检出异常阴影候补;
控制手段,其从在一张医用图像中由所述异常阴影候补检出手段检出的异常阴影候补中,抽出向观察者告知为异常阴影候补的异常阴影候补;
显示手段,其显示表示是所述被抽出的异常阴影候补的检出信息,
所述控制手段算出所述被检出的异常阴影候补的图像特征量,根据该图像特征量,决定向观察者告知为异常阴影候补的异常阴影候补的优先位次,在所述被检出的异常阴影候补中,从优先位次高的异常阴影候补起,优先进行抽出,并删除明显是真阳性和假阳性的异常阴影候补。
18.根据权利要求17所述的医用图像处理系统,其特征在于,所述显示手段将表示是所述被抽出的异常阴影候补的检出信息与所述医用图像一起,进行显示。
19.根据权利要求18所述的医用图像处理系统,其特征在于,所述医用图像是用相位衬摄影方法拍摄的医用图像。
20.根据权利要求17所述的医用图像处理系统,其特征在于,所述控制手段根据事先设定的阈值,从所述被检出的异常阴影候补中,抽出向观察者告知为异常阴影候补的异常阴影候补。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005149298A JP2006325640A (ja) | 2005-05-23 | 2005-05-23 | 異常陰影候補の表示方法及び医用画像処理システム |
JP149298/2005 | 2005-05-23 | ||
JP2005162444A JP2006334140A (ja) | 2005-06-02 | 2005-06-02 | 異常陰影候補の表示方法及び医用画像処理システム |
JP162444/2005 | 2005-06-02 | ||
JP2005168160A JP2006340835A (ja) | 2005-06-08 | 2005-06-08 | 異常陰影候補の表示方法及び医用画像処理システム |
JP168160/2005 | 2005-06-08 | ||
JP175015/2005 | 2005-06-15 | ||
JP2005175015A JP2006346094A (ja) | 2005-06-15 | 2005-06-15 | 検出情報の出力方法及び医用画像処理システム |
PCT/JP2006/309278 WO2006126384A1 (ja) | 2005-05-23 | 2006-05-09 | 異常陰影候補の表示方法及び医用画像処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101179994A CN101179994A (zh) | 2008-05-14 |
CN101179994B true CN101179994B (zh) | 2010-09-29 |
Family
ID=37547991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006800174789A Expired - Fee Related CN101179994B (zh) | 2005-05-23 | 2006-05-09 | 异常阴影候补的显示方法以及医用图像处理系统 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2006325640A (zh) |
CN (1) | CN101179994B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5223545B2 (ja) * | 2008-09-04 | 2013-06-26 | コニカミノルタエムジー株式会社 | 画像診断支援システム |
US8768016B2 (en) * | 2009-06-19 | 2014-07-01 | Carestream Health, Inc. | Method for quantifying caries |
CN102596037B (zh) * | 2009-10-30 | 2016-03-16 | 皇家飞利浦电子股份有限公司 | 对图像数据表示的病灶的三维分析 |
JP2011194024A (ja) * | 2010-03-19 | 2011-10-06 | Fujifilm Corp | 異常陰影検出装置および方法ならびにプログラム |
JP7220542B2 (ja) * | 2018-10-10 | 2023-02-10 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法及び医用画像処理プログラム |
JP7140630B2 (ja) * | 2018-10-19 | 2022-09-21 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、データ生成装置及びプログラム |
JP7064430B2 (ja) * | 2018-11-20 | 2022-05-10 | 富士フイルム株式会社 | 優先度判定装置、方法およびプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3758893B2 (ja) * | 1999-04-03 | 2006-03-22 | コニカミノルタホールディングス株式会社 | 画像診断支援装置 |
JP4416393B2 (ja) * | 2002-12-04 | 2010-02-17 | 株式会社日立メディコ | 医用画像表示装置 |
JP4393016B2 (ja) * | 2000-06-30 | 2010-01-06 | 株式会社日立メディコ | 画像診断支援装置 |
JP2003299645A (ja) * | 2002-04-08 | 2003-10-21 | Hitachi Medical Corp | 画像診断支援装置 |
JP4434621B2 (ja) * | 2003-05-07 | 2010-03-17 | キヤノン株式会社 | 医療用画像形成装置及び方法 |
JP4631260B2 (ja) * | 2003-09-29 | 2011-02-16 | コニカミノルタエムジー株式会社 | 画像診断支援装置、画像診断支援方法及びプログラム |
-
2005
- 2005-05-23 JP JP2005149298A patent/JP2006325640A/ja active Pending
-
2006
- 2006-05-09 CN CN2006800174789A patent/CN101179994B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
JP特开2003-299645A 2003.10.21 |
JP特开2005-102784A 2005.04.21 |
Also Published As
Publication number | Publication date |
---|---|
CN101179994A (zh) | 2008-05-14 |
JP2006325640A (ja) | 2006-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11101032B2 (en) | Searching a medical reference image | |
CN101179994B (zh) | 异常阴影候补的显示方法以及医用图像处理系统 | |
JP4895204B2 (ja) | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム | |
US9881373B2 (en) | Image generating apparatus and image generating method | |
Bankman | Handbook of medical imaging: processing and analysis management | |
US7474775B2 (en) | Automatic detection of red lesions in digital color fundus photographs | |
US20090097730A1 (en) | Abnormal shadow candidate display method and medical image processing system | |
CN101203747B (zh) | 用于数字x光影像软拷贝解读的智能化定性与定量分析的方法和系统 | |
US8023704B2 (en) | Method and apparatus for supporting report creation regarding images of diagnosis targets, and recording medium having program for supporting report creation regarding images of diagnosis targets recorded therefrom | |
Qureshi et al. | A hybrid proposed fundus image enhancement framework for diabetic retinopathy | |
Ali Shah et al. | Automated microaneurysm detection in diabetic retinopathy using curvelet transform | |
CN111062947B (zh) | 一种基于深度学习的x光胸片病灶定位方法及系统 | |
Nair et al. | MAMIF: multimodal adaptive medical image fusion based on B-spline registration and non-subsampled shearlet transform | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
Depeursinge et al. | 3D case–based retrieval for interstitial lung diseases | |
US20070286525A1 (en) | Generation of imaging filters based on image analysis | |
CN111462067B (zh) | 图像分割方法及装置 | |
Yuan et al. | Classification and recognition method of fundus images based on SE-DenseNet | |
Diaz-Escobar et al. | Breast cancer detection in digital mammography using phase features and machine learning approach | |
Xue et al. | Extraction of endoscopic images for biomedical figure classification | |
US11341643B1 (en) | Method and apparatus of utilizing artificial intelligence in the scrolling process | |
KR102417531B1 (ko) | 학습 데이터 생성장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 | |
US11288800B1 (en) | Attribution methodologies for neural networks designed for computer-aided diagnostic processes | |
Seoni et al. | All you need is data preparation: A systematic review of image harmonization techniques in Multi-center/device studies for medical support systems | |
Müller | Frameworks in medical image analysis with deep neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100929 Termination date: 20120509 |